如何用Pandas高效为DataFrame指定列非空单元格追加子串？

完全可以用Pandas实现，比openpyxl循环高效得多，具体步骤如下：

1. 预处理date列，提取目标前缀
   先把date列按下划线分割取前半部分，没有下划线则保留原内容：

   df['date_prefix'] = df['date'].str.split('_', n=1).str[0]
   

   用n=1限制只分割一次，避免date包含多个下划线时出错。

2. 批量处理color列
   先筛选出所有以color开头的列，仅对非空单元格（排除NaN和空字符串）拼接date前缀：

   # 获取所有color开头的列
   color_cols = [col for col in df.columns if col.startswith('color')]
   # 非空值追加前缀，空值/NaN保持原样
   df[color_cols] = df[color_cols].apply(
       lambda col: col.where(
           col.isna() | (col == ''),
           col + '_' + df['date_prefix']
       ),
       axis=0
   )
   # 可选：删除临时生成的date_prefix列
   df.drop('date_prefix', axis=1, inplace=True)
   

   这个操作是向量化执行的，比逐单元格循环快几个数量级，大体积数据也能快速处理。

不用图片发表格有几种实用方式：

• Markdown表格格式：手动编写或用工具生成，示例：

  | date       | color1 | color2 | color3 |
  |------------|--------|--------|--------|
  | 2023_05    | red    |        | green  |
  | 2024       |        | blue   | NaN    |
  

  你可以直接用Pandas的df.to_markdown()方法生成该格式，复制粘贴即可。

• CSV代码块：把表格存为CSV格式，用代码块包裹：

  date,color1,color2,color3
  2023_05,red,,green
  2024,,blue,NaN
  

• 对齐式纯文本表格：用空格对齐列，放在代码块里：

  date       color1  color2  color3
  2023_05    red             green
  2024               blue    NaN
  

这些方式能让其他开发者清晰查看数据结构，比图片更友好。

内容的提问来源于stack exchange，提问作者Davide C.